CN109509093B - 一种基于主体画像的交易安全控制方法及系统 - Google Patents
一种基于主体画像的交易安全控制方法及系统 Download PDFInfo
- Publication number
- CN109509093B CN109509093B CN201811213686.7A CN201811213686A CN109509093B CN 109509093 B CN109509093 B CN 109509093B CN 201811213686 A CN201811213686 A CN 201811213686A CN 109509093 B CN109509093 B CN 109509093B
- Authority
- CN
- China
- Prior art keywords
- data
- transaction
- real
- fraud
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000013215 result calculation Methods 0.000 claims abstract description 10
- 238000010276 construction Methods 0.000 claims abstract description 4
- 230000006399 behavior Effects 0.000 claims description 39
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000012216 screening Methods 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 9
- 230000000903 blocking effect Effects 0.000 claims description 7
- 238000012986 modification Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Abstract
本发明具体公开了一种基于主体画像的交易安全控制方法及系统，该方法包括：以历史交易数据为依据确定主体画像数据；在交易发生时，读取与实时交易数据对应的主体画像数据；令实时交易数据与主体画像数据进行差异对比，以得到差异对比结果；令差异对比结果与反欺诈模型进行相似匹配，以得到相似匹配结果；依据相似匹配结果和获取的实时交易数据确定交易风险等级，以发出对应的控制指令；该系统包括数据集市构建模块、主体画像生成模块、内存数据库、匹配结果计算模块及交易风险决策模块；本发明能够高效、准确地识别出高风险交易，能在高风险交易发生时进行实时判别和控制，以达到实时降低甚至避免欺诈交易发生的目的，保护用户的交易安全。
Description
技术领域
本发明涉及交易安全技术领域，更为具体来说，本发明为一种基于主体画像的交易安全控制方法及系统。
背景技术
目前，随着业务交易方式与交易渠道的多元化发展，新兴的电子银行开始广泛地使用，比如，网上银行、电话银行、手机银行、自助银行、POS终端、移动支付等等，这些新兴的交易方式极大地方便了用户；由于这些交易过程并没有银行柜员参与，无法对交易双方可能出现的欺诈手段进行有效的控制，传统方法往往是事后监督，比如，T+1监控手段等等，但是，传统方法只能在欺诈行为发生以后进行解决，即使能够追回用户的损失，也往往要耗费大量的人力和物力，而且大量的事实表明：随着犯罪手段的不断升级和变化，诈骗交易发生后一般无法实现弥补用户的全部损失。
因此，如何能够避免高风险交易发生、对高风险交易进行有效控制、提高交易的安全性，成为了本领域技术人员面临的主要课题之一。
发明内容
为解决现有技术只能在欺诈交易行为发生后进行补救或挽回等问题，本发明创新地提供了一种基于主体画像的交易安全控制方法及系统，通过对主体画像和反欺诈模型的构建，本发明能实现在交易发生时对交易进行安全控制，降低甚至避免高风险交易发生，保护用户交易安全，从根本上减少甚至阻止欺诈交易的发生，从而较佳解决了现有事后监督方法存在的诸多问题。
为实现上述的技术目的，本发明公开了一种基于主体画像的交易安全控制方法，所述交易安全控制方法包括如下步骤；
通过获取的银行业务交易数据构建数据集市，从数据集市中读取历史交易数据；
以所述历史交易数据为依据，采用分层描述的方式确定用于反映用户日常交易行为习惯的主体画像数据；
将所述主体画像数据存储于内存数据库中；
在交易发生时，获取实时交易数据，然后从所述内存数据库中读取与所述实时交易数据对应的主体画像数据；令获取的实时交易数据与读取的主体画像数据进行差异对比，以得到差异对比结果；令所述差异对比结果与预先建立的反欺诈模型进行相似匹配，以得到用于判断交易风险的相似匹配结果；
依据所述相似匹配结果和获取的实时交易数据确定交易风险等级，再依据所述交易风险等级发出对应的控制指令。
基于上述的技术方案，本发明不仅能够实现实时地识别和控制高风险交易，而且依据主体历史行为习惯进行判别，从欺诈交易行为本身具有的特征出发，能够深入识别各类欺诈行为(如伪卡操作、尝试用户密码等)，所以本发明具有实时性好、识别能力强、可靠性高、用户体验号、成本低、等突出优点。
进一步地，通过如下步骤确定交易风险等级；
根据相似匹配结果确定模型匹配参数，所述模型匹配参数包括与差异对比结果匹配的反欺诈模型的数量和匹配度；
根据实时交易数据确定实时交易参数，所述实时交易参数包括交易的金额；
通过对所有模型匹配参数和所有实时交易参数进行综合评分的方式确定交易风险等级。
基于上述改进的技术方案，本发明能够全面、合理地判断出实时交易风险等级，从而达到准确、可靠地输出安全控制指令的目的。
进一步地，通过如下方式建立反欺诈模型；
对已发生的欺诈交易进行业务分析，以确定各类欺诈行为特征；
利用所述各类欺诈行为特征生成用于与所述差异对比结果进行相似匹配的多类欺诈交易数据；
基于所述多类欺诈交易数据建立多个反欺诈模型。
基于上述改进的技术方案，本发明能够完全从业务角度出发，以能够快速适应新兴的欺诈犯罪手段与防控。
进一步地，在差异对比结果与反欺诈模型进行相似匹配时，包括如下步骤；
对所述实时交易数据进行解析，然后根据解析结果确定所述实时交易数据的所属类别；
根据所述实时交易数据的所属类别对已建立的所有反欺诈模型进行筛选，以使筛选出的反欺诈模型与所述实时交易数据属于同一类别；
令所述差异对比结果与筛选出的至少一个反欺诈模型进行相似匹配。
基于上述改进的方案，本发明不仅能够对实时交易进行准确、快速地分析，而且能够极大降低计算时间和计算成本，以保证本发明对实时交易控制的实时性。
进一步地，所述控制指令包括放行指令、阻断指令及强认证指令，且所述强认证指令用于对当前交易用户进行二次认证。
进一步地，以历史交易数据为依据确定所述主体画像数据时，还同时以实时交易数据为依据，实时交易数据包括成功交易数据和失败交易数据。
进一步地，所述主体画像数据包括设备画像数据、渠道画像数据、账户画像数据中的至少一种。
进一步地，在对账户画像数据进行分层描述时，将账号作为第一层数据，将登录类数据、信息修改类数据、转账交易类数据、现金交易类数据、缴费交易类数据、支付交易类数据作为第二层数据，对于所述登录类数据，将设备数据、地域数据、IP、时间数据、成功失败标志数据作为第三层数据。
为实现上述技术目的，本发明还公开了一种基于主体画像的交易安全控制系统，所述交易安全控制系统包括数据集市构建模块、主体画像生成模块、内存数据库、匹配结果计算模块及交易风险决策模块；
所述数据集市构建模块，用于通过获取的银行业务交易数据构建数据集市，所述数据集市用于提供历史交易数据；
所述主体画像生成模块，用于以所述历史交易数据为依据，采用分层描述的方式确定用于反映用户日常交易行为习惯的主体画像数据；
所述内存数据库，用于存储所述主体画像数据；
所述匹配结果计算模块，用于在交易发生时获取实时交易数据，然后从所述内存数据库中读取与所述实时交易数据对应的主体画像数据，用于令获取的实时交易数据与读取的主体画像数据进行差异对比，以得到差异对比结果，并用于令所述差异对比结果与预先建立的反欺诈模型进行相似匹配，以得到用于判断交易风险的相似匹配结果；
所述交易风险决策模块，用于依据所述相似匹配结果和获取的实时交易数据确定交易风险等级，以及用于依据所述交易风险等级发出对应的控制指令。
基于上述的技术方案，本发明不仅能够实现实时地识别和控制高风险交易，而且依据主体历史行为习惯进行判别，能深入识别各类欺诈行为(如伪卡操作、尝试用户密码等)，具有识别能力强等突出优点。
进一步地，所述交易风险决策模块包括匹配参数确定单元、交易参数确定单元及风险等级确定单元；
所述匹配参数确定单元，用于根据相似匹配结果确定模型匹配参数，所述模型匹配参数包括与差异对比结果匹配的反欺诈模型的数量和匹配度；
所述交易参数确定单元，用于根据实时交易数据确定实时交易参数，所述实时交易参数包括交易的金额；
所述风险等级确定单元，用于通过对所有模型匹配参数和所有实时交易参数进行综合评分的方式确定交易风险等级。
基于上述改进的技术方案，本发明能够全面、合理地判断出实时交易风险等级，从而达到准确、可靠地输出安全控制指令的目的。
进一步地，所述交易安全控制系统还包括反欺诈模型建立模块，所述反欺诈模型建立模块包括业务分析单元、数据生成单元及模型建立单元；
所述业务分析单元，用于对已发生的欺诈交易进行业务分析，以确定各类欺诈行为特征；
所述数据生成单元，用于利用所述各类欺诈行为特征生成用于与所述差异对比结果进行相似匹配的多类欺诈交易数据；
所述模型建立单元，用于基于所述多类欺诈交易数据建立多个反欺诈模型。
基于上述改进的技术方案，本发明能够完全从业务角度出发，以能够快速适应新兴的欺诈犯罪手段与防控。
进一步地，所述匹配结果计算模块包括交易解析单元、模型筛选单元及相似匹配单元；
所述交易解析单元，用于对所述实时交易数据进行解析，然后根据解析结果确定所述实时交易数据的所属类别；
所述模型筛选单元，用于根据所述实时交易数据的所属类别对已建立的所有反欺诈模型进行筛选，以使筛选出的反欺诈模型与所述实时交易数据属于同一类别；
所述相似匹配单元，用于令所述差异对比结果与筛选出的至少一个反欺诈模型进行相似匹配。
基于上述改进的方案，本发明不仅能够对实时交易进行准确、快速地分析，而且能够极大降低计算时间和计算成本，以保证本发明对实时交易控制的实时性。
进一步地，所述控制指令包括放行指令、阻断指令及强认证指令，且所述强认证指令用于对当前交易用户进行二次认证。
进一步地，所述主体画像生成模块，用于以所述历史交易数据和以实时交易数据为依据，采用分层描述的方式确定用于反映用户日常交易行为习惯的主体画像数据。
进一步地，所述主体画像数据包括设备画像数据、渠道画像数据、账户画像数据中的至少一种。
进一步地，所述主体画像生成模块，在对账户画像数据进行分层描述时还用于将账号作为第一层数据，用于将登录类数据、信息修改类数据、转账交易类数据、现金交易类数据、缴费交易类数据、支付交易类数据作为第二层数据，对于所述登录类数据，用于将设备数据、地域数据、IP、时间数据、成功失败标志数据作为第三层数据。
本发明的有益效果为：本发明能够高效、准确地识别出高风险交易，并且能在高风险交易发生时进行实时判别和控制，从而达到实时降低甚至避免欺诈交易发生的目的，保护用户的交易安全，以避免用户因欺诈交易产生的损失；而且，本发明具有交易响应速度快、自动化判别准确度高、不需要人工柜员参与、人力物力投入成本低等突出优点。
附图说明
图1为基于主体画像的交易安全控制方法的流程示意图。
图2为确定交易风险等级的流程示意图。
图3为反欺诈模型建立的流程示意图。
图4为差异对比结果与反欺诈模型的相似匹配流程示意图。
图5为基于主体画像的交易安全控制系统的工作原理示意图。
具体实施方式
下面结合说明书附图对本发明的一种基于主体画像的交易安全控制方法及系统进行详细的解释和说明。
实施例一：
如图1所示，本实施例具体公开了一种基于主体画像的交易安全控制方法，从而能够在新兴的交易方式与交易渠道下有效保护交易安全，减少甚至避免欺诈行为的发生，具体来说，该交易安全控制方法包括如下步骤。
步骤S1，通过获取的银行业务交易数据构建数据集市，比如对银行用户、账户等数据的分析及ETL(抽取(extract)、交互转换(transform)、加载(load))，以建立数据集市，用于计算主体历史行为，主体数据时间跨度往往较长，需要较多历史数据积累完成；在数据集市构建完成后，再从数据集市中读取历史交易数据。
步骤S2，以已读取的历史交易数据作为依据，采用分层描述的方式确定用于反映用户的日常交易行为习惯的主体画像数据，从而能够清晰、完整地描绘用户在正常情况下的日常交易行为习惯，为异常交易比对设定标准值；本实施例中，采用大数据技术实现主体画像，以满足各类主体的海量数据的处理需求，从各个维度精准描述主体情况；为了全面、准确地确定主体画像数据，本实施例在以历史交易数据为依据确定主体画像数据时，还同时以实时交易数据为依据，实时交易数据可包括成功交易数据和失败交易数据。数据主要对接柜面、网银、ATM、POS等各类业务系统，当交易发生时，通过数据接口实时获取交易数据、实时累计交易行为特征，以完成实时数据的画像，本实施例涉及的画像主体涵盖新型金融交易的各方面，可全方位防控欺诈案件发生，并为后续案件分析及调查提供充分的依据。
在对用户操作过程的每个行为进行全面记录时，描述的维度可以包括设备、渠道、账户等，即，主体画像数据可包括设备画像数据、渠道画像数据、账户画像数据等中的至少一种或几种，用于清晰地描绘每个主体的任何操作行为。主体画像用于体现主体的静态信息、动态信息及日常行为习惯信息等，比如，记录某一张卡转账交易的金额、时间、渠道、设备、对手等，通过大量的历史数据积累，通过画像可以分析出该卡的转账习惯，例如，90％转账交易是1000～3000元、90％的操作时间集中在20：00～21：00、100％操作通过手机银行渠道操作、100％通过某部手机完成等等。
本实施例以账户画像数据进行详细说明，在对账户画像数据进行分层描述时，将账号作为第一层数据，将登录类数据、信息修改类数据、转账交易类数据、现金交易类数据、缴费交易类数据、支付交易类数据作为第二层数据，对于登录类数据，将设备数据、地域数据、IP、时间数据、成功失败标志数据作为第三层数据，本发明通过分层描述的方式逐步勾勒出清晰的主体画像。
步骤S3，将主体画像数据(即主体信息)存储于内存数据库(大数据平台)中，用于在用户发生交易时能够快速调取主体画像数据，通过对比的方式判别是否存在异常，对实时交易异常判别提供数据支撑。本实施例中，采用内存数据库Key-Value结构存储，从而能够实现高效率、高速的读写过程，满足实时交易判别需要。
步骤S4，在交易发生时，获取实时交易数据，然后再从内存数据库中读取与实时交易数据对应的主体画像数据，本实施例中，可根据实时交易相关主体范围、时间范围等信息确定在大数据平台提取的相关的主体画像数据范围，即确定需要提取哪些主题数据、每个主体的历史数据范围情况等；令获取的实时交易数据与读取的主体画像数据进行差异对比，以得到差异对比结果，本实施例可以采用统计、累计、排名等方式处理主体画像数据，以实现实时交易数据与主体画像数据进行数据公式对比，保证数据对比的客观性和准确性；再令差异对比结果与预先建立的反欺诈模型进行相似匹配，以得到用于判断交易风险的相似匹配结果；其中，如图4所示，在差异对比结果与反欺诈模型进行相似匹配时，具体包括如下步骤。
步骤S41，对实时交易数据进行解析，分析出实时交易数据中包含的内容，即解析结果，然后再根据解析结果确定实时交易数据的所属类别。
步骤S42，根据实时交易数据的所属类别对已建立的所有反欺诈模型进行筛选，以使筛选出的反欺诈模型与实时交易数据属于同一类别，具体实施时，对全部已经发布的反欺诈模型进行逐个循环或并行筛选。
步骤S43，令差异对比结果与筛选出的至少一个反欺诈模型进行相似匹配，在具体实施时，筛选出的反欺诈模型往往为多个，差异对比结果需与多个反欺诈模型逐一进行相似匹配。
步骤S5，一笔实时交易可能会违反多个反欺诈模型，依据相似匹配结果和获取的实时交易数据确定交易风险等级，本实施例通过对实时交易违反模型的风险度、数量、交易金额等综合性评估，从而判断风险等级，再依据交易风险等级发出对应的控制指令。本实施例中，控制指令可包括放行指令、阻断指令及强认证指令，而且强认证指令用于对当前交易用户进行二次认证。
阻断指令：即通知业务系统(即图5中的生产系统)，交易需失败，避免因欺诈造成经济损失。
放行指令：即通知业务系统，交易可以执行，无风险。
强认证指令：即有条件通过，通知业务系统需要进行二次认证，例如：短信验证码或者网银预留问题，二次核实身份后，可继续执行该交易。
如图2所示，通过如下步骤确定交易风险等级。
步骤S51，根据相似匹配结果确定模型匹配参数，模型匹配参数包括与差异对比结果匹配的反欺诈模型的数量和匹配度。
步骤S52，根据实时交易数据确定实时交易参数，实时交易参数包括交易的金额、交易的频繁度、是否与对方进行首次交易信息等。
步骤S53，对上述参数进行综合评估，本实施例通过对所有模型匹配参数和所有实时交易参数进行综合评分的方式确定交易风险等级。
作为优化的改进方案，如图3所示，通过如下方式建立反欺诈模型，该过程事先进行，即本实施例可在实时交易安全控制之前已将反欺诈模型准备完成。
步骤100，对已发生的欺诈交易进行业务分析，以确定各类欺诈行为特征，通过欺诈行为特征对已知的各类异常行为进行描述，欺诈行为特征可以包括几个方面，比如模型编码、名称、业务分类、风险度分值等。
步骤200，利用各类欺诈行为特征生成用于与差异对比结果进行相似匹配的多类欺诈交易数据，本实施例中，每类欺诈交易数据可对应一个或一种反欺诈模型。
步骤300，基于多类欺诈交易数据建立多个反欺诈模型，并且在建立反欺诈模型的过程中，本实施例包括确定交易数据筛选条件的步骤：根据模型分析情况，限定哪些交易需通过本模型的风险判别，对不符合要求的交易自动放行，例如：如果本模型是针对用户登录风险进行识别的，哪么非登录类的交易就无需进行计算，从而降低计算系统压力。
例如：欺诈模型：“同一网银账户(N天)时间内，累计出现(M次)登录密码错，最后登录失败”，是典型的频繁试别人密码的操作。该判别过程将账户作为主体，具有鲜明的异常特征，因此可通过如下方式实施。
a)确定模型的基本信息；
b)确定交易数据筛选条件：设定交易渠道＝网银；交易码＝登录类交易；
c)确定画像数据提取范围：主体范围：账户-登录-错误，时间范围：N天内；
d)确定画像历史数据加工方法：统计算法＝累计个数COUNT算法，计算提取的历史画像数据的总个数；
e)确定模型门限阀值＝K笔。
实施例二：
与实施例一基于相同的发明构思，本实施例具体公开了一种基于主体画像的交易安全控制系统，能在新兴的交易方式与交易渠道下有效地保护交易安全，减少甚至避免欺诈行为的发生，如图5所示，该交易安全控制系统包括数据集市构建模块、主体画像生成模块、内存数据库、匹配结果计算模块及交易风险决策模块。
数据集市构建模块，用于通过获取的银行业务交易数据构建数据集市，用于计算主体历史行为，数据集市用于提供历史交易数据。
主体画像生成模块，用于以历史交易数据为依据，再采用分层描述的方式确定用于反映用户日常交易行为习惯的主体画像数据。其中，为全面反映各主体，主体画像生成模块，还可用于以历史交易数据和以实时交易数据为依据，采用分层描述的方式确定用于反映用户日常交易行为习惯的主体画像数据。本发明涉及的主体可以是设备(比如手机、电脑、POS机等)、IP、卡片、账户等，例如：犯罪份子利用某一部手机，频繁尝试多人的手机银行密码操作的过程，虽然无法知道犯罪分子的任何身份信息，但可以获悉这部手机的信息，因此这部手机可暂定为犯罪主体，通过对犯罪主体的控制，可以有效避免欺诈损失。
本实施例中，主体画像数据包括设备画像数据、渠道画像数据、账户画像数据中的至少一种。主体画像生成模块，在对账户画像数据进行分层描述时还用于将账号作为第一层数据，用于将登录类数据、信息修改类数据、转账交易类数据、现金交易类数据、缴费交易类数据、支付交易类数据作为第二层数据，对于登录类数据，用于将设备数据、地域数据、IP、时间数据、成功失败标志数据作为第三层数据。
内存数据库，本实施例为大数据平台，其用于存储主体画像数据，在用户发生交易时能够快速地提供主体画像数据。
匹配结果计算模块，用于在交易发生时获取实时交易数据，然后再从内存数据库中读取与实时交易数据对应的主体画像数据，还用于令获取的实时交易数据与读取的主体画像数据进行差异对比，以得到差异对比结果，用于令差异对比结果与预先建立的反欺诈模型进行相似匹配，以得到用于判断交易风险的相似匹配结果。本实施例中，匹配结果计算模块具有三个输入：实时交易数据(受控交易)、主体画像数据(历史画像)以及反欺诈模型，本实施例中，匹配结果计算模块包括交易解析单元、模型筛选单元及相似匹配单元。
交易解析单元，用于对实时交易数据进行解析，然后再根据解析结果确定实时交易数据的所属类别。
模型筛选单元，用于根据实时交易数据的所属类别对已建立的所有反欺诈模型进行筛选，从而使筛选出的反欺诈模型与实时交易数据属于同一类别。
相似匹配单元，用于令差异对比结果与筛选出的至少一个反欺诈模型进行相似匹配。
交易风险决策模块，用于依据相似匹配结果和获取的实时交易数据确定交易风险等级，以及用于依据交易风险等级发出对应的控制指令。其中，交易风险决策模块包括匹配参数确定单元、交易参数确定单元及风险等级确定单元。本实施例中，控制指令包括放行指令、阻断指令及强认证指令，且强认证指令用于对当前交易用户进行二次认证。可基于本实施例提供的方案可建立反欺诈系统，反欺诈系统实时与银行各业务系统对接，可包括柜面、网银、手机银行、ATM、POS等，当业务发生时，反欺诈系统能够实时获取每笔交易数据，该交易被实时送到模型结算引擎进行风险判别，在得到反欺诈系统放行信号前，不可向下流转，如果系统产生欺诈警报后，即可实现交易的实时控制。经过大量试验表明：业务系统等待反馈的最长时间一般不超过200毫秒，能够充分地保证实时性。
匹配参数确定单元，用于根据相似匹配结果确定模型匹配参数，模型匹配参数包括与差异对比结果匹配的反欺诈模型的数量和匹配度。
交易参数确定单元，用于根据实时交易数据确定实时交易参数，实时交易参数包括交易的金额、交易的频繁度、是否与对方进行首次交易信息等。
风险等级确定单元，对上述参数进行综合评估，本实施例用于通过对所有模型匹配参数和所有实时交易参数进行综合评分的方式来确定交易风险等级。
本实施例中，该交易安全控制系统还包括反欺诈模型建立模块，反欺诈模型建立模块包括业务分析单元、数据生成单元及模型建立单元，具体实施时，反欺诈模型可以被模型计算引擎解析并执行。
业务分析单元，用于对已发生的欺诈交易进行业务分析，以确定各类欺诈行为特征，用于对已知的各类异常行为进行描述。
数据生成单元，用于利用各类欺诈行为特征生成用于与差异对比结果进行相似匹配的多类欺诈交易数据，以反映出大部分甚至所有欺诈行为的特点。
模型建立单元，用于基于多类欺诈交易数据建立多个反欺诈模型。
在本说明书的描述中，参考术语“本实施例”、“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明实质内容上所作的任何修改、等同替换和简单改进等，均应包含在本发明的保护范围之内。
Claims (14)
1.一种基于主体画像的交易安全控制方法，其特征在于：所述交易安全控制方法包括如下步骤；
通过获取的银行业务交易数据构建数据集市，从数据集市中读取历史交易数据；
以所述历史交易数据为依据，采用分层描述的方式确定用于反映用户日常交易行为习惯的主体画像数据；
将所述主体画像数据存储于内存数据库中；
在交易发生时，获取实时交易数据，然后从所述内存数据库中读取与所述实时交易数据对应的主体画像数据；令获取的实时交易数据与读取的主体画像数据进行差异对比，以得到差异对比结果；令所述差异对比结果与预先建立的反欺诈模型进行相似匹配，以得到用于判断交易风险的相似匹配结果；
依据所述相似匹配结果和获取的实时交易数据确定交易风险等级，再依据所述交易风险等级发出对应的控制指令；
其中通过如下步骤确定交易风险等级；
根据相似匹配结果确定模型匹配参数，所述模型匹配参数包括与差异对比结果匹配的反欺诈模型的数量和匹配度；
根据实时交易数据确定实时交易参数，所述实时交易参数包括交易的金额；
通过对所有模型匹配参数和所有实时交易参数进行综合评分的方式确定交易风险等级。
2.根据权利要求1所述的基于主体画像的交易安全控制方法，其特征在于：通过如下方式建立反欺诈模型；
对已发生的欺诈交易进行业务分析，以确定各类欺诈行为特征；
利用所述各类欺诈行为特征生成用于与所述差异对比结果进行相似匹配的多类欺诈交易数据；
基于所述多类欺诈交易数据建立多个反欺诈模型。
3.根据权利要求2所述的基于主体画像的交易安全控制方法，其特征在于：在差异对比结果与反欺诈模型进行相似匹配时，包括如下步骤；
对所述实时交易数据进行解析，然后根据解析结果确定所述实时交易数据的所属类别；
根据所述实时交易数据的所属类别对已建立的所有反欺诈模型进行筛选，以使筛选出的反欺诈模型与所述实时交易数据属于同一类别；
令所述差异对比结果与筛选出的至少一个反欺诈模型进行相似匹配。
4.根据权利要求1或3所述的基于主体画像的交易安全控制方法，其特征在于：所述控制指令包括放行指令、阻断指令及强认证指令，且所述强认证指令用于对当前交易用户进行二次认证。
5.根据权利要求4所述的基于主体画像的交易安全控制方法，其特征在于：以历史交易数据为依据确定所述主体画像数据时，还同时以实时交易数据为依据，实时交易数据包括成功交易数据和失败交易数据。
6.根据权利要求5所述的基于主体画像的交易安全控制方法，其特征在于：所述主体画像数据包括设备画像数据、渠道画像数据、账户画像数据中的至少一种。
7.根据权利要求6所述的基于主体画像的交易安全控制方法，其特征在于：在对账户画像数据进行分层描述时，将账号作为第一层数据，将登录类数据、信息修改类数据、转账交易类数据、现金交易类数据、缴费交易类数据、支付交易类数据作为第二层数据，对于所述登录类数据，将设备数据、地域数据、IP、时间数据、成功失败标志数据作为第三层数据。
8.一种基于主体画像的交易安全控制系统，其特征在于：所述交易安全控制系统包括数据集市构建模块、主体画像生成模块、内存数据库、匹配结果计算模块及交易风险决策模块；
所述数据集市构建模块，用于通过获取的银行业务交易数据构建数据集市，所述数据集市用于提供历史交易数据；
所述主体画像生成模块，用于以所述历史交易数据为依据，采用分层描述的方式确定用于反映用户日常交易行为习惯的主体画像数据；
所述内存数据库，用于存储所述主体画像数据；
所述匹配结果计算模块，用于在交易发生时获取实时交易数据，然后从所述内存数据库中读取与所述实时交易数据对应的主体画像数据，用于令获取的实时交易数据与读取的主体画像数据进行差异对比，以得到差异对比结果，并用于令所述差异对比结果与预先建立的反欺诈模型进行相似匹配，以得到用于判断交易风险的相似匹配结果；
所述交易风险决策模块，用于依据所述相似匹配结果和获取的实时交易数据确定交易风险等级，以及用于依据所述交易风险等级发出对应的控制指令；
其中所述交易风险决策模块包括匹配参数确定单元、交易参数确定单元及风险等级确定单元；
所述匹配参数确定单元，用于根据相似匹配结果确定模型匹配参数，所述模型匹配参数包括与差异对比结果匹配的反欺诈模型的数量和匹配度；
所述交易参数确定单元，用于根据实时交易数据确定实时交易参数，所述实时交易参数包括交易的金额；
所述风险等级确定单元，用于通过对所有模型匹配参数和所有实时交易参数进行综合评分的方式确定交易风险等级。
9.根据权利要求8所述的基于主体画像的交易安全控制系统，其特征在于：所述交易安全控制系统还包括反欺诈模型建立模块，所述反欺诈模型建立模块包括业务分析单元、数据生成单元及模型建立单元；
所述业务分析单元，用于对已发生的欺诈交易进行业务分析，以确定各类欺诈行为特征；
所述数据生成单元，用于利用所述各类欺诈行为特征生成用于与所述差异对比结果进行相似匹配的多类欺诈交易数据；
所述模型建立单元，用于基于所述多类欺诈交易数据建立多个反欺诈模型。
10.根据权利要求9所述的基于主体画像的交易安全控制系统，其特征在于：所述匹配结果计算模块包括交易解析单元、模型筛选单元及相似匹配单元；
所述交易解析单元，用于对所述实时交易数据进行解析，然后根据解析结果确定所述实时交易数据的所属类别；
所述模型筛选单元，用于根据所述实时交易数据的所属类别对已建立的所有反欺诈模型进行筛选，以使筛选出的反欺诈模型与所述实时交易数据属于同一类别；
所述相似匹配单元，用于令所述差异对比结果与筛选出的至少一个反欺诈模型进行相似匹配。
11.根据权利要求8或10所述的基于主体画像的交易安全控制系统，其特征在于：所述控制指令包括放行指令、阻断指令及强认证指令，且所述强认证指令用于对当前交易用户进行二次认证。
12.根据权利要求11所述的基于主体画像的交易安全控制系统，其特征在于：
所述主体画像生成模块，用于以所述历史交易数据和以实时交易数据为依据，采用分层描述的方式确定用于反映用户日常交易行为习惯的主体画像数据。
13.根据权利要求12所述的基于主体画像的交易安全控制系统，其特征在于：所述主体画像数据包括设备画像数据、渠道画像数据、账户画像数据中的至少一种。
14.根据权利要求13所述的基于主体画像的交易安全控制系统，其特征在于：
所述主体画像生成模块，在对账户画像数据进行分层描述时还用于将账号作为第一层数据，用于将登录类数据、信息修改类数据、转账交易类数据、现金交易类数据、缴费交易类数据、支付交易类数据作为第二层数据，对于所述登录类数据，用于将设备数据、地域数据、IP、时间数据、成功失败标志数据作为第三层数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811213686.7A CN109509093B (zh) | 2018-10-18 | 2018-10-18 | 一种基于主体画像的交易安全控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811213686.7A CN109509093B (zh) | 2018-10-18 | 2018-10-18 | 一种基于主体画像的交易安全控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109509093A CN109509093A (zh) | 2019-03-22 |
| CN109509093B true CN109509093B (zh) | 2020-10-02 |
Family
ID=65746672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811213686.7A Active CN109509093B (zh) | 2018-10-18 | 2018-10-18 | 一种基于主体画像的交易安全控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109509093B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4004862A4 (en) * | 2019-07-31 | 2023-04-19 | PayPal, Inc. | MEASUREMENT OF SIMILARITY BETWEEN USERS TO DETECT FRAUD |
| CN111160916A (zh) * | 2019-12-04 | 2020-05-15 | 支付宝(杭州)信息技术有限公司 | 风险交易识别方法及装置 |
| CN111145006A (zh) * | 2019-12-26 | 2020-05-12 | 南京三百云信息科技有限公司 | 基于用户画像的汽车金融反欺诈模型训练方法和装置 |
| CN110942317A (zh) * | 2019-12-31 | 2020-03-31 | 中国银行股份有限公司 | 安全工具推荐方法及装置 |
| CN111709827A (zh) * | 2020-06-11 | 2020-09-25 | 中国建设银行股份有限公司 | 目标用户信息的推送方法、装置和设备 |
| CN112085507B (zh) * | 2020-09-27 | 2023-12-26 | 中国建设银行股份有限公司 | 交易检测方法及系统 |
| CN112488716B (zh) * | 2020-12-21 | 2023-08-01 | 北京航空航天大学 | 一种异常事件检测系统 |
| CN114399382A (zh) * | 2022-01-21 | 2022-04-26 | 平安科技（深圳）有限公司 | 用户欺诈风险的检测方法、装置、计算机设备及存储介质 |
| CN115860751A (zh) * | 2023-02-27 | 2023-03-28 | 天津金城银行股份有限公司 | 反欺诈的分析处理方法、装置和电子设备 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104867011A (zh) * | 2014-02-21 | 2015-08-26 | 中国电信股份有限公司 | 对移动支付进行安全控制的方法与装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020005899A1 (en) * | 1998-11-24 | 2002-01-17 | John B. Fekas | Identification transaction recording system |
| US9167388B2 (en) * | 2013-01-18 | 2015-10-20 | Apple Inc. | Method and apparatus for automatically adjusting the operation of reminders based on device event history |
| CN105957271B (zh) * | 2015-12-21 | 2018-12-28 | 中国银联股份有限公司 | 一种金融终端安全防护方法及系统 |
| CN105913195A (zh) * | 2016-04-29 | 2016-08-31 | 浙江汇信科技有限公司 | 基于全行业数据的企业金融风险评分方法 |
| CN106776897B (zh) * | 2016-11-29 | 2020-04-03 | 中国农业银行股份有限公司 | 一种用户画像标签确定方法及装置 |
| CN108446907B (zh) * | 2017-02-16 | 2021-06-18 | 创新先进技术有限公司 | 安全校验方法及装置 |
-
2018
- 2018-10-18 CN CN201811213686.7A patent/CN109509093B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104867011A (zh) * | 2014-02-21 | 2015-08-26 | 中国电信股份有限公司 | 对移动支付进行安全控制的方法与装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109509093A (zh) | 2019-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109509093B (zh) | 一种基于主体画像的交易安全控制方法及系统 | |
| CN108876133B (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
| US20240037225A1 (en) | Systems and methods for detecting resources responsible for events | |
| US9697521B2 (en) | Authentication system and method | |
| US9734501B2 (en) | Authentication and interaction tracking system and method | |
| CN108053318B (zh) | 一种对异常交易进行识别的方法及装置 | |
| US20060202012A1 (en) | Secure data processing system, such as a system for detecting fraud and expediting note processing | |
| US8660954B2 (en) | Fraud and events integrated management method and system | |
| KR101364763B1 (ko) | 금융거래패턴분석을 이용한 금융사기 경보 시스템 및 방법 | |
| CN109345375B (zh) | 一种可疑洗钱行为识别方法及装置 | |
| US11735188B2 (en) | System and method for detecting fraud rings | |
| CN112712429A (zh) | 汇款业务审核方法、装置、计算机设备和存储介质 | |
| CN112381640A (zh) | 业务数据监控方法、装置、设备及存储介质 | |
| CN109242658B (zh) | 可疑交易报告生成方法、系统、计算机设备和存储介质 | |
| WO2011025689A1 (en) | Integrated fraud platform | |
| DE202022107234U1 (de) | System zur Erkennung von Betrug bei Online-Bankgeschäften mittels Blockchain und künstlicher Intelligenz durch Backlogging | |
| CN112070990B (zh) | 一种加钞控制方法、装置及电子设备 | |
| CN114971017A (zh) | 银行交易数据的处理方法及装置 | |
| CN111861699A (zh) | 一种基于运营商数据的反欺诈指数生成方法 | |
| CN114866302B (zh) | 一种基于区块链的金融数据存证方法及系统 | |
| CN115760333A (zh) | 银行卡反欺诈方法及装置 | |
| CN117058821A (zh) | 银行自助终端控制方法、装置、设备及存储介质 | |
| CN117391696A (zh) | 异常交易行为监测方法、装置、计算机设备和存储介质 | |
| CN116245629A (zh) | 银行员工套现行为的识别方法、装置、模型训练方法 | |
| KR20240003475A (ko) | 거래데이터 기반 대포계좌 탐지 방법 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100107 9 / F, Beichen Taiyue building, a 13 Beiyuan Road, Chaoyang District, Beijing Patentee after: Beijing Lingyan Technology Co.,Ltd. Address before: 100107 9 / F, Beichen Taiyue building, a 13 Beiyuan Road, Chaoyang District, Beijing Patentee before: CITIC APPLICATION SERVICE PROVIDER Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190322 Assignee: CHINA TECHNOLOGY EXCHANGE Co.,Ltd. Assignor: Beijing Lingyan Technology Co.,Ltd. Contract record no.: X2022110000044 Denomination of invention: A Transaction Security Control Method and System Based on Agent Portrait Granted publication date: 20201002 License type: Exclusive License Record date: 20220928 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Transaction Security Control Method and System Based on Agent Portrait Effective date of registration: 20220930 Granted publication date: 20201002 Pledgee: CHINA TECHNOLOGY EXCHANGE Co.,Ltd. Pledgor: Beijing Lingyan Technology Co.,Ltd. Registration number: Y2022110000255 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| EC01 | Cancellation of recordation of patent licensing contract |
Assignee: CHINA TECHNOLOGY EXCHANGE Co.,Ltd. Assignor: Beijing Lingyan Technology Co.,Ltd. Contract record no.: X2022110000044 Date of cancellation: 20240322 |
|
| EC01 | Cancellation of recordation of patent licensing contract | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20201002 Pledgee: CHINA TECHNOLOGY EXCHANGE Co.,Ltd. Pledgor: Beijing Lingyan Technology Co.,Ltd. Registration number: Y2022110000255 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right |